你当前正在访问 Microsoft Azure Global Edition 技术文档网站。如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

教程：将 QIR 程序提交到 Azure Quantum 资源估算器

项目
08/06/2024

Azure Quantum 资源估算器基于 Quantum Intermediate Representation （QIR）构建，这是量子程序完全可互操作的规范。 QIR 充当量子编程语言和框架以及 targeted 量子计算平台之间的通用接口。由于资源估算器采用 QIR 程序作为输入，因此它支持翻译为 QIR 的任何语言。例如，它可由常用的量子 SDK 和语言（如 Q# 和 Qiskit）使用。在本教程中，你将编写 QIR 程序并将其提交到资源估算器。本教程使用 PyQIR 生成 QIR ，但是，可以使用任何其他 QIR 源。

本教程介绍以下操作：

连接到 Azure Quantum 服务。
定义一个函数以从 QIR 位代码创建资源估算作业
使用 PyQIR 生成器创建 QIR 位代码
将 QIR 作业提交到资源估算器

先决条件

具有活动订阅的 Azure 帐户。如果没有 Azure 帐户，请免费注册并注册即用即付订阅。
Azure Quantum 工作区。有关详细信息，请参阅创建 Azure Quantum 工作区。
已 添加到工作区的 Microsoft Quantum Computing 提供程序。

在工作区中创建新的笔记本

登录到 Azure 门户并选择你的 Azure Quantum 工作区。
在“操作”下，选择“笔记本”
单击“我的笔记本”，然后单击“添加新”
在“内核类型”中选择“IPython”。
键入文件的名称，然后单击“ 创建文件”。

当你的新笔记本打开时，它会根据订阅和工作区信息自动为第一个单元格创建代码。

from azure.quantum import Workspace
workspace = Workspace ( 
    resource_id = "", # Your resource_id 
    location = ""  # Your workspace location (for example, "westus") 
)

注意

除非另有说明，否则应按照单元的创建顺序运行每个单元，以避免任何编译问题。

单击单元左侧的三角形“播放”图标以运行代码。

加载所需的导入项

首先，需要从azure.quantum和qiskitpyqir中导入一些 Python 类和函数。你不会使用 Qiskit 直接构建量子线路，但你将使用 AzureQuantumJob，这是基于 Qiskit 生态系统构建的。确保使用的是最新版本的 Qiskit。有关详细信息，请参阅更新 azure-quantum Python 包。

from azure.quantum.qiskit import AzureQuantumProvider
from azure.quantum.qiskit.job import AzureQuantumJob
from pyqir.generator import BasicQisBuilder, SimpleModule

连接到 Azure Quantum 服务

接下来，使用workspace上一单元格中的对象创建一个AzureQuantumProvider对象，以连接到 Azure Quantum 工作区。

provider = AzureQuantumProvider(workspace)

定义用于从 QIR 创建资源估算作业的函数

资源估算器是 target Microsoft量子计算提供程序。使用资源估算器与针对 Azure Quantum 中的其他软件和硬件提供程序 targets 提交作业完全相同 - 定义程序、设置 target作业并提交作业以进行计算。

提交程序的资源估算请求时，可以指定一些 target 参数。

errorBudget - 总体允许的错误预算
qecScheme - 量子纠错 (QEC) 方案
qubitParams - 物理量子比特参数
constraints - 组件级约束

有关输入参数的详细信息，请参阅资源估算器的目标参数。

在本示例中，你将实现一个泛型函数，该函数采用连接到 Azure Quantum 工作区的对象和量子程序的 QIR 位码作为输入 provider 。它作为 Azure Quantum 作业返回。资源估算器 target 参数可以通过关键字参数传递给函数。

def resource_estimation_job_from_qir(provider: AzureQuantumProvider, bitcode: bytes, **kwargs):
    """A generic function to create a resource estimation job from QIR bitcode"""

    # Find the Resource Estimator target from the provider
    backend = provider.get_backend('microsoft.estimator')

    # You can provide a name for the job via keyword arguments; if not,
    # use QIR job as a default name
    name = kwargs.pop("name", "QIR job")

    # Wxtract some job specific arguments from the backend's configuration
    config = backend.configuration()
    blob_name = config.azure["blob_name"]
    content_type = config.azure["content_type"]
    provider_id = config.azure["provider_id"]
    output_data_format = config.azure["output_data_format"]

    # Finally, create the Azure Quantum jon object and return it
    return AzureQuantumJob(
        backend=backend,
        target=backend.name(),
        name=name,
        input_data=bitcode,
        blob_name=blob_name,
        content_type=content_type,
        provider_id=provider_id,
        input_data_format="qir.v1",
        output_data_format=output_data_format,
        input_params = kwargs,
        metadata={}
    )

运行示例量子程序

接下来，使用 PyQIR 生成器创建一些 QIR 位代码。此示例使用三个 T 门和两个 CNOT 门生成受控 S 门。

module = SimpleModule("Controlled S", num_qubits=2, num_results=0)
qis = BasicQisBuilder(module.builder)

[a, b] = module.qubits[0:2]
qis.t(a)
qis.t(b)
qis.cx(a, b)
qis.t_adj(b)
qis.cx(a, b)

可以使用上面定义的函数和 PyQIR 中的 bitcode() 函数生成资源估算作业。还可以传递资源估算器特定参数。此示例用于 errorBudget 将错误率设置为 5%。有关参数的详细信息 target ，请参阅资源估算器的目标参数。

job = resource_estimation_job_from_qir(provider, module.bitcode(), errorBudget=0.05)
result = job.result()
result

此函数创建一个表，该表显示总体物理资源计数。可以通过折叠具有详细信息的组来进一步检查成本详细信息。例如，如果折叠 逻辑量子比特参数 组，则更容易看到错误更正代码距离为 15。

逻辑量子比特参数	值
QEC 方案	surface_code
码距	5
物理量子比特	50
逻辑周期时间	2us
逻辑量子比特错误率	3.00E-5
交叉预制	0.03
错误更正阈值	0.01
逻辑周期时间公式	(4 * `twoQubitGateTime` + 2 * `oneQubitMeasurementTime`) * `codeDistance`
物理量子比特公式	2 * `codeDistance` * `codeDistance`

在“物理量子比特参数”组中，可以看到为此估计假定的物理量子比特属性。例如，执行单量子比特测量和单量子比特门的时间分别假设为 100 ns 和 50 ns。

物理量子比特参数	值
量子比特名称	qubit_gate_ns_e3
指令集	GateBased
单量子比特测量时间	100 纳秒
T 门时间	50 ns
T 门错误率	0.001
单量子比特度量误差率	0.001
单量子比特门时间	50 ns
单量子比特错误率	0.001
双量子比特门时间	50 ns
双量子比特错误率	0.001

有关详细信息，请参阅资源估算器输出数据的完整列表。

继续探索其他量子算法和技术：

本教程实现 Grover 的搜索算法演示如何编写使用 Grover 搜索算法解决图形着色问题的 Q# 程序。
本教程介绍了如何使用 Q# 对量子位执行量子纠缠以更改其状态，并演示叠加和纠缠的影响。
Quantum Katas 是基于 Jupyter Notebook 的自定步教程和编程练习，旨在同时教授量子计算和 Q# 编程的元素。

通过

教程：将 QIR 程序提交到 Azure Quantum 资源估算器

先决条件

在工作区中创建新的笔记本

加载所需的导入项

连接到 Azure Quantum 服务

定义用于从 QIR 创建资源估算作业的函数

运行示例量子程序

反馈

其他资源

通过

教程：将 QIR 程序提交到 Azure Quantum 资源估算器

先决条件

在工作区中创建新的笔记本

加载所需的导入项

连接到 Azure Quantum 服务

定义用于从 QIR 创建资源估算作业的函数

运行示例量子程序

相关内容

反馈

其他资源